负荷预测是电力系统运行中的重要组成部分，对电力系统规划和设计，电力系统安全、可靠、经济运行，电力市场交易等多个方面起着重要的作用。在当前节能减排的特殊背景下，电力企业对电力负荷预测的预测精度提出更高的要求。考虑到电力负荷的随机性和特殊性，电力负荷预测模型或预测结果的评估分析是提高负荷预测精度的有效途径。本文对负荷预测预前评估分析方法、负荷预测预后评估分析方法及两者相结合的评估分析方法分别进行了研究。论文研究了基于元学习的预前评估分析算法，该算法将元学习思想引入到预前评估分析中，其目的是负荷预测前根据负荷序列特征属性和单一模型的预测值作为元知识对单一模型进行合理评价，将评价结果应用于负荷预测。算例结果表明该算法预测精度较高，具有实际应用价值。论文研究了基于虚拟预测的总调与地调负荷的关系评估分析、基于K线图的负荷特性评估分析、基于概率性预测的预后评估分析和电力负荷模糊聚类评估分析四种预后评估分析方法。四种方法的的定量和定性结论均为负荷预测精度的提高提供了有益参考。鉴于组合预测思路，论文结合预前评估和预后评估，研究了两者综合的组合预测模型，该模型充分利用预前评估和预后评估模型的优势，构成“前后呼应”的预测模式。结果分析表明该模型负荷预测精度高于预前评估模型和常用组合模预测型，且保证了负荷预测的自适应性和鲁棒性。本文在系统研究负荷预测预前评估和预后评估分析方法的基础上，开发了一套负荷预测评估分析算法库。该库已经在湖南电网挂网运行，运行结果表明该套算法库适应湖南电网的负荷发展需要，对湖南电网负荷预测具有指导意义。